2026年9月22日，小米通过 MiMo 官方 X 账号与微信公众号同步宣布 MiMo-V2.6 系列，包含 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 两个版本。这次更新最值得关注的不是参数数字，而是小米把多模态从“看懂图片”的能力展示，变成了 Agent 执行任务的底座——编码、computer use、3D 推理与创作被写进了同一份能力清单。
Pro 与 Flash：一次分工明确的双版本发布
Pro 负责能力上限，Flash 负责高频调用。官方强调两个版本都经过规模化强化学习训练，且均为原生多模态。这种“一强一快”的组合并不陌生：当下智能体基础设施的通行分工正是规划用大模型、执行用小而快的模型，小米把它直接做进了官方产品线。对开发者来说，选型问题从“用哪个模型”变成了“怎么组合”：Pro 处理需要深度推理的规划与复杂任务，Flash 承担高频的工具调用与执行步骤，两者共享同一套多模态理解能力，上下文与工具定义可以复用。
全模态加规模化强化学习，是小米的路线表态
MiMo-V2.6 被定义为原生全模态模型，意味着文本、图像之外，3D 推理这类空间理解能力也被纳入同一训练体系。官方把“规模化强化学习”放在核心位置，说明这一代的重点不在参数规模竞赛，而在用强化学习把多模态能力对齐到真实任务上，尤其是需要多步操作、调用工具的 Agent 场景。对模型研究者而言，MiMo-V2.6 是观察“强化学习规模化”路线的又一个样本：当多模态能力的提升从预训练转向后训练，评测的重点也该从单点基准转向长任务的真实完成率。模型权重已同步在官方渠道开放，宣传中的任务表现是否兑现，可以实测验证。
谁应该跟进
做 Agent 应用的团队可以直接关注 computer use 与编码这两项能力，拿 Flash 版本做一次实测对比；关注开源生态的开发者可以验证权重开放后的实际表现；还在挑选多模态底座的团队，则可以把 Pro/Flash 的分工当作一个现成的选型框架来参考。想了解 MiMo 系列此前的版本脉络，可以看小米 MiMo 专题。
